O mercado competitivo na era da Inteligência Artificial (IA)
Em 2019, apenas cinco anos após o lançamento do Ant Financial Services Group, o número de consumidores que usavam os serviços da empresa ultrapassou a marca de um bilhão.
A Ant Financial usa inteligência artificial e dados da Alipay — sua principal plataforma de pagamentos — para administrar uma variedade extraordinária de negócios, incluindo empréstimos ao consumidor, fundos do mercado monetário, gerenciamento de patrimônio, seguro de saúde, serviços de classificação de crédito e até mesmo um jogo online que incentiva as pessoas a reduzir sua pegada de carbono.
A empresa atende mais de 10 vezes mais clientes que os maiores bancos dos EUA com menos de um décimo do número de funcionários. Em sua última rodada de investimento, em 2018, tinha um valor de US $ 150 bilhões — quase metade do JPMorgan Chase, a empresa de serviços financeiros mais valiosa do mundo.
Ao contrário dos bancos tradicionais, instituições de investimento e companhias de seguros, o Ant Financial é moldado a partir de um núcleo digital. Não existem trabalhadores nas atividades operacionais da organização. A Inteligência Artificial (IA) comanda todo o show.
Isso significa que não há gerentes que aprovam empréstimos, funcionárias que prestam consultoria financeira, representantes que autorizam despesas médicas de consumidores…
Sem as restrições operacionais que limitam as empresas tradicionais, a Ant Financial pode competir absurdamente e, assim, alcançar crescimento e impacto desenfreados em uma variedade de indústrias diferentes.
A era da IA está sendo introduzida com o surgimento desse novo tipo de empresa.
O grupo de apoiadores da Ant Financial inclui nomes gigantes como Google, Facebook, Alibaba e Tencent (e muitas empresas menores e de rápido crescimento, como a Zebra Medical Vision, Wayfair, Indigo Ag e Ocado).
Sempre que usamos um serviço de uma dessas empresas, acontece a mesma coisa: em vez de confiar nos processos comerciais tradicionais operados por trabalhadores, gerentes, engenheiras de processo, supervisores ou representantes de atendimento ao cliente, nós confiamos em algoritmos.
O CEO da Microsoft, Satya Nadella, refere-se à IA como o novo “tempo de execução” de uma empresa. É verdade que gerentes e pessoas engenheiras projetam a IA e o software faz com que os algoritmos funcionem; mas, depois disso, o sistema agrega valor por si próprio por meio da automação digital (ou ao alavancar um ecossistema de fornecedores).
A IA define os preços na Amazon, recomenda músicas no Spotify, combina compradores e vendedores no mercado da Indigo e qualifica os mutuários para um empréstimo da Ant Financial.
E a eliminação das restrições tradicionais transforma as regras da concorrência.
À medida que as redes e algoritmos digitais são entrelaçados no tecido das empresas, as indústrias começam a funcionar de maneira diferente e os relacionamentos entre elas se modifica como consequência.
E as mudanças vão muito além das propostas de empresas digitais, já que as organizações mais tradicionais, confrontadas por novos rivais, também se movem em direção a modelos baseados em IA.
O Walmart, Fidelity, Honeywell e Comcast estão agora explorando dados extensivamente, algoritmos e redes digitais para competir de forma convincente nesta nova era.
E esteja você liderando uma startup digital ou trabalhando para reformular uma empresa tradicional, é essencial entender o impacto revolucionário que a IA tem nas operações, nas estratégias e na competitividade do mercado.
A fábrica de Inteligência Artificial
No centro das empresas supramencionadas está a “fábrica de decisão” — o que chamamos de “fábrica de IA”. O software executa os milhões de leilões diários de anúncios no Google e no Baidu, por exemplo. Os algoritmos decidem quais carros oferecem passeios em Didi, Grab, Lyft e Uber. Eles definem os preços de fones de ouvido e camisas pólo na Amazon e executam robôs que limpam o chão em alguns locais do Walmart. Permitem bots de atendimento ao cliente na Fidelity e interpretam raios-X na Zebra Medical.
Em cada caso, a fábrica de IA trata a tomada de decisão como uma ciência.
O Analytics converte sistematicamente dados internos e externos em previsões, ideias e escolhas, que por sua vez orientam e automatizam os fluxos de trabalho operacionais.
Entretanto (e curiosamente!), a IA que pode impulsionar o crescimento explosivo de uma empresa digital nem sempre é tão sofisticada.
Para provocar mudanças drásticas, a IA não precisa ser material de ficção científica — indistinguível do comportamento humano, simulando seu raciocínio, um recurso às vezes chamado de “IA forte” (tradução da expressão em inglês “strong AI”). Você precisa apenas de um sistema de computador para poder executar tarefas tradicionalmente realizadas por pessoas — o que é frequentemente chamado de “IA fraca” (ou “weak AI”).
Com IA fraca, a fábrica de IA já pode tomar uma série de decisões críticas.
Em alguns casos, ele pode gerenciar negócios da informação (como Google e Facebook). Em outros casos, orientará como a empresa constrói, entrega ou opera produtos físicos reais (como robôs de armazém da Amazon ou Waymo, serviço de carro autônomo do Google).
Mas em todos os casos, as fábricas de decisão digital lidam com alguns dos processos e decisões operacionais mais críticos. O software constitui o núcleo da empresa, enquanto os humanos passam a tomar conta de novas frentes.
Quatro componentes são essenciais para todas as fábricas de IA. O primeiro é o pipeline de dados, o processo semi-automático que reúne, limpa, integra e protege dados de maneira sistemática, sustentável e escalável. O segundo são os algoritmos que geram previsões sobre futuros estados ou ações da empresa.
O terceiro componente é uma plataforma de experimentação, na qual são testadas hipóteses sobre novos algoritmos para garantir que suas sugestões tenham o efeito pretendido. E o quarto é a infraestrutura: os sistemas que incorporam esse processo no software e o conectam a pessoas usuárias internas e externas.
Vamos tomar de exemplo um mecanismo de busca como Google ou Bing. Assim que alguém começa a digitar algumas letras na caixa de pesquisa, os algoritmos prevêem dinamicamente o termo de pesquisa completo com base nas expressões digitadas por muitos usuários e usuárias (e nas expressões deste mesmo usuário, utilizadas anteriormente).
Essas previsões são capturadas em um menu suspenso (a “caixa de sugestão automática”) que ajuda a pessoa a se concentrar rapidamente em uma pesquisa relevante. Cada toque de tecla e cada clique são capturados como pontos de dados, e cada ponto de dados aprimora as previsões para pesquisas futuras.
A IA também gera os resultados da pesquisa orgânica, que são extraídos de um índice da Web previamente montado e otimizado de acordo com os cliques gerados nos resultados das pesquisas anteriores.
A digitação do termo também inicia um leilão automatizado para os anúncios mais relevantes para a pesquisa da pessoa usuária, cujos resultados são modelados por experiências adicionais e alguns ciclos de aprendizado.
Assim, quanto mais pesquisas são feitas, melhores serão as previsões futuras. E quanto melhores as previsões, mais usado é o mecanismo de pesquisa.
Os limites de escala, de escopo e de aprendizado
O conceito de escala tem sido muito utilizado nos negócios desde pelo menos a Revolução Industrial.
O grande Alfred Chandler descreveu como as empresas industriais modernas poderiam atingir níveis de produção sem precedentes a um custo unitário muito menor, dando às grandes empresas uma vantagem importante sobre os seus rivais menores.
Ele também destacou os benefícios que as empresas poderiam obter da capacidade de alcançar maior escopo ou da variedade de produção.
O impulso para a melhoria e a inovação acrescentou um terceiro requisito para as empresas: o aprendizado.
Escala, escopo e aprendizado passaram a ser considerados os fatores essenciais para o desempenho operacional de uma empresa. E, por um longo tempo, eles foram habilitados por processos de negócios cuidadosamente definidos, que dependiam de mão de obra e do gerenciamento para fornecer produtos e serviços aos clientes — isso é reforçado pelos sistemas de TI tradicionais.
Contudo, após centenas de anos de melhorias incrementais no modelo industrial, a empresa digital agora está mudando radicalmente a escala, o escopo e o paradigma de aprendizado.
Os processos orientados por IA podem ser ampliados muito mais rapidamente do que os processos tradicionais; eles permitem um escopo muito maior, porque podem ser facilmente conectados a outras empresas digitalizadas e criam oportunidades incrivelmente poderosas de aprendizado e aprimoramento — como a capacidade de produzir cada vez com mais precisão ou a implementação de modelos sofisticados de comportamento do cliente (adaptando, em seguida, os seus serviços).
Nos modelos operacionais tradicionais, a escala inevitavelmente chega a um ponto em que gera retornos decrescentes. Mas nós não vemos isso nos modelos orientados por IA, nos quais o retorno em escala pode continuar a subir para níveis inéditos.
Agora imagine o que acontece quando uma empresa orientada por uma IA compete com uma empresa tradicional, atendendo aos mesmos clientes com uma proposta de valor semelhante (ou melhor) e com um modelo operacional muito mais escalável.
Chamamos esse tipo de confronto de “colisão”.
Como os efeitos de aprendizado e de rede ampliam o impacto do volume na criação de valor, as empresas construídas com núcleo digital podem sobrecarregar as organizações tradicionais.
Considere a situação em que a Amazon colida com os varejistas tradicionais, a Ant Financial com os bancos tradicionais e a Didi e a Uber com os serviços de táxi tradicionais…
Como Clayton Christensen, Michael Raynor e Rory McDonald discutiram em “O que é inovação disruptiva?” (HBR, dezembro de 2015), esses transtornos competitivos não se enquadram no modelo de interrupção. As colisões não são causadas por uma inovação específica em uma tecnologia ou modelo de negócios. Eles são o resultado do surgimento de um tipo completamente diferente de empresa. E podem alterar fundamentalmente as indústrias e remodelar a natureza da vantagem competitiva como um todo.
Observe que pode demorar um pouco para que os modelos operacionais orientados por IA gerem valor econômico em qualquer lugar próximo ao valor que os modelos operacionais tradicionais geram em escala.
Os efeitos de rede produzem pouco valor antes que atinjam a massa crítica e a maioria dos algoritmos aplicados recentemente sofre um “início desafiador” antes de adquirir os dados adequados.
A Ant Financial cresceu rapidamente, mas seu principal serviço de pagamento, o Alipay, lançado em 2004 pela Alibaba, levou anos para atingir seu volume atual. Isso explica por que os(as) executivos(as) alojados no modelo tradicional passaram por um momento difícil. Mas, uma vez que o modelo operacional digital realmente começar a funcionar, ele poderá oferecer um valor muito superior, ultrapassando rapidamente as empresas tradicionais.
Colisões entre empresas tradicionais e aquelas orientadas por IA já estão acontecendo em todos os setores: software, serviços financeiros, varejo, telecomunicações, mídia, assistência médica, automóveis e até agronegócios.
É difícil pensar em uma empresa que não esteja enfrentando a necessidade premente de digitalizar seu modelo operacional e responder às novas ameaças.
A reconstrução de empresas tradicionais
Para as lideranças de empresas tradicionais, competir com rivais digitais envolve mais do que implantar um software corporativo ou até construir pipelines de dados, entender algoritmos e experimentar novas soluções.
Esse processo requer uma nova arquitetura da organização e do modelo operacional da empresa.
Por muito, muito tempo, as empresas otimizaram sua escala, escopo e aprendizado através de um maior foco e especialização. Gerações de tecnologia da informação não mudaram esse padrão. Durante décadas, a TI foi usada para aprimorar o desempenho de funções específicas e de unidades organizacionais. Os sistemas corporativos tradicionais geralmente reforçam silos e as divisões entre funções e produtos.
Os silos, no entanto, são inimigos do crescimento da IA.
De fato, empresas como o Google Ads e o MyBank da Ant Financial os renunciaram deliberadamente (uma vez que foram projetadas para alavancar um núcleo de dados integrado e uma base de código consistente e unificada). Quando cada silo de uma empresa possui seus próprios dados e códigos, o desenvolvimento interno é fragmentado e é quase impossível construir conexões entre silos ou com redes ou ecossistemas comerciais externos.
Também é quase impossível desenvolver um entendimento de 360 graus do cliente (considerando que as informações são extraídas de todos os departamentos e funções de formas diferentes).
Portanto, quando as empresas montam um novo núcleo digital, elas devem evitar criar profundas divisões organizacionais no processo.
Embora a transição para um modelo orientado por IA seja desafiadora, muitas empresas tradicionais já começaram a fazer essa mudança.
Em um estudo recente, analisamos mais de 350 empresas tradicionais nos setores de serviços e manufatura e descobrimos que a maioria havia começado a desenvolver um foco maior em dados e análises em suas organizações.
Muitas — incluindo Nordstrom, Vodafone, Comcast e Visa — já haviam feito muitos avanços, digitalizando e redesenhando os principais componentes de seus modelos operacionais e desenvolvendo plataformas sofisticadas de dados e recursos de IA.
Você não precisa ser uma startup de software para digitalizar elementos críticos dos seus negócios; você precisa enfrentar os silos e sistemas fragmentados, adicionar recursos e reorganizar sua cultura.
A Fidelity Investments está usando Inteligência Artificial para viabilizar processos em áreas importantes, incluindo atendimento ao cliente, insights de clientes e recomendações de investimento. Suas iniciativas de IA se baseiam em um esforço plurianual para integrar os ativos de dados em um núcleo digital e redesenhar a organização em torno dele.
O trabalho não está de maneira alguma concluído, mas o impacto da IA já é evidente em muitos casos de alto valor em toda a empresa.
Para enfrentar a Amazon, por exemplo, o Walmart está reconstruindo seu modelo operacional em torno da IA e substituindo os seus sistemas tradicionais de software corporativo em silos por uma arquitetura integrada baseada na nuvem.
Isso permitirá que o Walmart use seus ativos de dados exclusivos em uma variedade de novos aplicativos poderosos, automatizando ou aprimorando um número crescente de tarefas operacionais com IA e análises.
Na Microsoft, Nadella está apostando no futuro da empresa em uma transformação total de seu modelo operacional.
As novas estratégias e capacidades
À medida em que as empresas movidas a IA colidem com empresas tradicionais, a vantagem competitiva é cada vez mais definida pela capacidade de moldar e controlar as redes digitais.
(Veja “Por que algumas plataformas prosperam e outras não?”, artigo também da HBR).
Organizações que se destacam em conectar negócios, agregando os dados que fluem entre eles e extraindo seu valor por meio de análise terão vantagem competitiva.
Os efeitos de rede tradicionais e as curvas de aprendizado orientadas por IA se reforçarão, multiplicando o impacto um do outro. Você pode ver essa dinâmica em empresas como Google, Facebook, Tencent e Alibaba, que se tornaram poderosas empresas de “hub”, acumulando dados através de suas muitas conexões de rede e criando os algoritmos necessários para aumentar as vantagens competitivas em diferentes setores.
Enquanto isso, as abordagens convencionais da estratégia que se concentram na análise tradicional da indústria estão se tornando cada vez mais ineficazes.
Tome como exemplo as empresas automotivas. Elas estão enfrentando uma variedade de “ameaças digitais”, como Uber e Waymo, cada uma vindo de fora dos limites tradicionais da indústria.
Mas se os executivos e executivas de automóveis pensam nos carros além do contexto tradicional da indústria, como um serviço altamente conectado e habilitado para IA, eles podem não apenas se defender, mas também obter um novo valor de negócio — por meio de oportunidades de comércio local, anúncios, feeds de notícias, entretenimento e assim por diante.
O conselho para os executivos já foi algum dia: “mantenha os negócios que você conhece em setores que você entende”. Mas sinergias em algoritmos e fluxos de dados não respeitam os limites da indústria. E as organizações que não conseguem alavancar clientes e dados através desses limites provavelmente estão em grande desvantagem.
Em vez de focar na análise do setor e no gerenciamento dos recursos internos das empresas, a estratégia precisa se concentrar nas conexões que as empresas criam entre os setores e no fluxo de dados através das redes que as empresas usam.
E tudo isso tem implicações importantes para as organizações e seus funcionários.
O aprendizado de máquina transformará a natureza de quase todos os empregos, independentemente da ocupação, nível de renda ou especialização.
Vários estudos sugerem que talvez metade das atividades de trabalho atuais possam ser substituídas por sistemas habilitados para IA. E nós não devemos nos surpreender muito com isso. Afinal, os modelos operacionais foram projetados para tornarem muitas tarefas previsíveis e passíveis de repetição.
E essa situação não promove apenas a substituição de empregos, mas também a modificação daquilo que é considerado como uma capacidade.
Em quase todos os cenários, as empresas movidas a IA estão assumindo organizações altamente especializadas. Em um mundo impulsionado pela IA, os requisitos de concorrência têm menos a ver com especialização e mais com um conjunto universal de recursos em fornecimento de dados, processamento, análise e desenvolvimento de algoritmos.
Esses novos recursos universais estão reformulando a estratégia, o design de negócios e até a liderança.
Estamos passando de uma era de competências essenciais que diferem de indústria para indústria, para uma era moldada por dados e análises e alimentada por algoritmos — todos hospedados na nuvem para uso de todos. É por isso que o Alibaba e a Amazon são capazes de competir em setores tão díspares quanto serviços de varejo e financeiros, assistência médica ou de pontuação de crédito.
Esses setores agora têm muitas bases tecnológicas semelhantes e empregam métodos e ferramentas comuns.
As estratégias estão se distanciando da diferenciação tradicional, com base em custo, qualidade e valor da marca. Agora, o foco está na rede de negócios, no acúmulo de dados exclusivos e na implantação de decisões baseadas em análises sofisticadas.
O desafio da liderança
Embora possa desencadear um crescimento enorme, a remoção de restrições operacionais nem sempre é uma coisa boa. Sistemas sem atrito são propensos à instabilidade (e são difíceis de parar quando estão em movimento).
Pense em um carro sem freios ou em um esquiador que não consegue desacelerar. Um sinal digital — um meme que ficou viral, por exemplo — pode se espalhar rapidamente pelas redes e pode ser praticamente impossível de “parar”, mesmo para a organização que o lançou em primeiro lugar ou para uma entidade que controla os principais hubs de uma rede.
Sem atrito, um vídeo incitando a violência ou uma manchete falsa ou manipuladora pode se espalhar rapidamente para bilhões de pessoas em uma variedade de redes.
Se você tem uma mensagem para enviar, a AI oferece uma maneira incrível de alcançar um grande número de pessoas (e personalizar essa mensagem para elas).
Entretanto, os modelos operacionais digitais podem agregar dano ao passo em que agregam valor. Mesmo quando a intenção é positiva, a possível desvantagem pode ser significativa; um erro pode expor uma grande rede digital a um ataque cibernético destrutivo.
Os algoritmos, se deixados desmarcados, podem exacerbar o viés e a desinformação em grande escala. Os riscos podem ser muitos. Considere a maneira como os bancos digitais estão agregando economia ao consumidor de uma forma super acelerada… A Ant Financial, que agora opera um dos maiores fundos do mercado monetário do mundo, recebe a economia de centenas de milhões de consumidores chineses, por exemplo. Os riscos são significativos.
E a escala digital, escopo e aprendizado criam uma série de novos desafios — não apenas problemas de privacidade e segurança cibernética, mas também turbulência social resultante da concentração de mercado, deslocamentos e até o aumento da desigualdade.
As instituições projetadas para ficar de olho nos negócios — órgãos reguladores, por exemplo — estão lutando para acompanhar todas essas mudanças rápidas.
Em um mundo impulsionado pela IA, uma vez que uma oferta é adequada ao mercado, o número de usuários, o engajamento e as receitas podem disparar.
No entanto, é cada vez mais óbvio que o crescimento irrestrito é perigoso. O potencial para empresas que adotam modelos operacionais digitais é enorme, mas a capacidade de infligir danos generalizados precisa ser explicitamente considerada.
Navegar nessas oportunidades e ameaças será um verdadeiro teste de liderança para empresas e instituições públicas.
